> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.
# Causal Forcing I2V ComfyUI 워크플로우 예제
> Causal Forcing 또는 Causal Forcing++와 Wan2.1을 사용하여 이미지에서 비디오를 생성합니다 — 단 1회의 추론 단계로 부드럽고 시간적으로 일관된 비디오 구현
**Causal Forcing**은 추론 중 **반복적 조건화**를 적용하는 비디오 생성 기술로, 생성된 각 프레임이 모델에 다시 입력되어 다음 프레임을 예측합니다. 이를 통해 단일 시작 이미지에서 **1\~4회의 추론 단계**만으로 부드럽고 시간적으로 일관된 비디오를 생성할 수 있습니다.
이 워크플로우는 **Wan2.1**을 사용하며, **Causal Forcing**(표준) 및 **Causal Forcing++**(향상) 모드를 모두 지원합니다.
ComfyUI가 최신 버전으로 업데이트되었는지 확인하세요.
* [ComfyUI 다운로드](https://www.comfy.org/download)
* [업데이트 가이드](/ko/installation/update_comfyui)
이 가이드의 워크플로우는 [워크플로우 템플릿](/ko/interface/features/template)에서 확인할 수 있습니다.
템플릿에서 찾을 수 없다면, 귀하의 ComfyUI가 오래된 버전일 수 있습니다. (데스크톱 버전의 업데이트는 다소 지연될 수 있습니다)
워크플로우를 로드할 때 노드가 누락되는 경우, 가능한 원인:
1. 최신 ComfyUI 버전(야간 빌드)을 사용하고 있지 않음
2. 일부 노드가 시작 시 가져오기에 실패함
* 데스크톱 버전은 ComfyUI 안정판 기반으로, 새로운 데스크톱 안정판이 출시되면 자동으로 업데이트됩니다.
* [클라우드](https://cloud.comfy.org)는 ComfyUI 안정판 출시 후 업데이트됩니다.
따라서 이 문서에서 핵심 노드가 누락된 것을 발견했다면, 그 이유는 새로운 핵심 노드가 아직 최신 안정판에 공개되지 않았기 때문일 수 있습니다. 다음 안정판 출시를 기다려 주세요.
JSON 다운로드 또는 템플릿 라이브러리에서 "Causal Forcing" 검색
## 작동 방식
모든 프레임을 병렬로 처리하는 표준 비디오 생성과 달리, Causal Forcing은 비디오 생성을 **순차적 프로세스**로 처리합니다:
1. 모델이 입력 이미지를 **첫 번째 프레임**으로 사용
2. 이전 프레임을 조건으로 다음 프레임 생성
3. 각 새 프레임이 다음 예측의 입력이 됨
4. 원하는 프레임 수만큼 반복
이 반복적 접근 방식은 **강력한 시간적 일관성**을 만들어냅니다 — 각 프레임이 자연스럽게 이전 프레임에서 이어지며 — 매우 적은 추론 단계(1\~4회)로도 고품질 결과를 생성할 수 있습니다.
이 워크플로우는 모듈식 처리를 위해 서브그래프 노드를 사용합니다. 서브그래프 문서를 확인하여 워크플로우를 사용자 정의하고 확장하는 방법을 알아보세요.
### Causal Forcing vs Causal Forcing++
| 모드 | 설명 |
| -------------------- | ---------------------------------------------------- |
| **Causal Forcing** | 표준 반복 조건화. 2\~4단계로 양호한 품질. |
| **Causal Forcing++** | 향상된 시간적 일관성을 위해 추가 조건화를 적용하는 향상 모드. 1\~2단계만으로도 잘 작동. |
## 워크플로우 사용
### 입력
워크플로우는 단일 입력 이미지(첫 번째 프레임)와 원하는 비디오 콘텐츠를 설명하는 텍스트 프롬프트(선택사항)를 받습니다.
| 설정 | 설명 |
| --------------------------- | --------------------------------------------- |
| **first\_frame** (필수) | 비디오의 시작 이미지. **LoadImage** 노드를 통해 PNG/JPG 로드. |
| **positive\_prompt** (선택사항) | 원하는 비디오 콘텐츠의 텍스트 설명. 조건화가 필요 없으면 비워둠. |
| **duration** (선택사항) | 생성할 프레임 수. 기본값: 모델 예상 출력의 프레임 수. |
### WAN I2V 서브그래프 매개변수
블루프린트 서브그래프 노드에서 제어 가능한 매개변수:
| 매개변수 | 기본값 | 설명 |
| ------------ | --- | ----------------------- |
| `unet_name` | — | 사용할 Wan2.1 I2V 모델 체크포인트 |
| `clip_name` | — | 프롬프트용 CLIP / 텍스트 인코더 모델 |
| `vae_name` | — | 인코딩/디코딩용 VAE 모델 |
| `width` | — | 출력 비디오 너비 |
| `height` | — | 출력 비디오 높이 |
| `noise_seed` | — | 재현성을 위한 시드 |
## 실행 단계
1. **이미지 로드** — **LoadImage** 노드를 사용하여 시작 프레임 로드
2. **프롬프트 작성** (선택사항) — 원하는 비디오 콘텐츠 설명
3. **길이 설정** — 생성할 프레임 수
4. **모델 선택** — Wan2.1 I2V 체크포인트, CLIP 및 VAE 선택
5. **모드 선택** — Causal Forcing 또는 Causal Forcing++ (서브그래프 내부 구성 또는 사용 가능한 Causal Forcing 전용 입력을 통해 설정)
6. **실행** — 프레임이 순차적으로 생성되어 `ComfyUI/output/`에 저장됩니다
## 모델 다운로드
Wan2.1 I2V 모델과 필요한 파일을 다운로드합니다. 해당 `models/` 하위 디렉토리에 배치하세요.
### Wan2.1 I2V
wan2.1\_i2v\_480p\_14B\_fp16.safetensors — Wan2.1 I2V 14B 체크포인트
wan2.1\_t2v\_1.3B\_fp16.safetensors — Wan2.1 1.3B 체크포인트 (최소 8GB VRAM)
### CLIP 및 VAE
google-bert/bert-base-uncased — CLIP 텍스트 인코더
Wan2.1\_VAE\_bf16.safetensors — Wan2.1 VAE
### 모델 저장 위치
```
📂 ComfyUI/
├── 📂 models/
│ ├── 📂 diffusion_models/
│ │ └── wan2.1_i2v_480p_14B_fp16.safetensors (또는 1.3B 변형)
│ ├── 📂 text_encoders/
│ │ └── bert-base-uncased (model.safetensors가 있는 폴더)
│ └── 📂 vae/
│ └── Wan2.1_VAE_bf16.safetensors
```